Wyszukiwarka
Finger Vein Presentation Attack Detection Method Using a Hybridized Gray-Level Co-Occurrence Matrix Feature with Light-Gradient Boosting Machine Model
Abstrakt
Presentation Attack Detection (PAD) is crucial in biometric finger vein recognition. The susceptibility of these systems to forged finger vein images is a significant challenge. Existing approaches to mitigate presentation attacks have computational complexity limitations and limited data availability. This study proposed a novel method for identifying presentation attacks in finger vein biometric systems. We have used optimal Gray-Level Co-occurrence Matrix (GLCM) features with the Light-Gradient Boosting Machine (LGBM) classification model. We use statistical texture attributes namely, energy, correlation, and contrast to extract optimal features from counterfeit and authentic finger-vein images. The study investigates cluster-pixel connectivity in finger vein images. Our approach is tested using K-fold cross-validation and compared to existing methods. Results demonstrate that Light-GBM outperforms other classifiers. The proposed classifier achieved low APCER values of 2.73% and 8.80% compared to other classifiers. The use of Light-GBM in addressing presentation attacks in finger vein biometric systems is highly significant.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autorzy (6)
-
Inam Ullah
-
Abdullateef O. Balogun
-
Luiz Fernando Capretz
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
- Język:
- angielski
- Rok wydania:
- 2024
- Opis bibliograficzny:
- Shaheed K., Szczuko P., Ullah I., Mojeed H., Balogun A. O., Capretz L. F.: Finger Vein Presentation Attack Detection Method Using a Hybridized Gray-Level Co-Occurrence Matrix Feature with Light-Gradient Boosting Machine Model// / : , 2024,
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.62036/isd.2024.54
- Źródła finansowania:
-
- Działalność statutowa/subwencja
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 8 razy
Publikacje, które mogą cię zainteresować
Study of Multi-Class Classification Algorithms’ Performance on Highly Imbalanced Network Intrusion Datasets
- V. Bulavas,
- V. Marcinkevičius,
- J. Rumiński
Introduction to the special issue on machine learning in acoustics
- Z. Michalopoulou,
- P. Gerstoft,
- B. Kostek
- + 1 autorów